在企业级 AI Agent 落地过程中，部分团队会选择 Gemini Enterprise Agent Platform 等托管商业平台完成开箱即用的部署与治理，而拥有定制工作流或自研执行引擎的开发者则倾向于构建轻量级 Agent 中枢。Google Cloud 推出的 Antigravity SDK 提供了与 Antigravity 2.0 及 Antigravity CLI 相同的运行时引擎，支持将声明式安全策略、实时遥测和有状态多轮持久化直接集成到应用中。当核心运行时更新时，SDK 中的 Agent 可自动获得相应优化。
多智能体控制平面的构成
多智能体控制平面用于监控和管理 LLM 工作负载，能够展示 Agent 的推理过程、工具调用路径以及状态存储方式。该控制平面由两个关键组件构成：
- Antigravity SDK Agent Core：负责管理模型交互（如 Gemini 3.1 Pro 和 Gemini 3.8 Flash）、运行工具、生成思考轨迹并执行技能。
- 可观测性与遥测中间件：基于 Antigravity SDK Lifecycle Hooks 的事件驱动层，可拦截步骤启动、思考更新和工具调用等动作，并通过 WebSocket 将遥测数据流式传输至仪表盘。
解决多 Agent 监控难题
在运维工程师需要同时监控多个活跃 Agent（如 gemini-pro-agent、github-agent、email-agent）执行后台研究、文档摘要和任务调度的场景中，传统方式通常依赖跨终端窗口拼接控制台日志、手动检查 JSON 记录以诊断卡住的工具调用，且难以掌握特定会话加载了哪些 Skills 或 MCP 连接器，也难以追踪累计 token 用量和执行延迟。
Antigravity SDK 通过流式 API、生命周期钩子、策略引擎、技能管理和会话状态机制，使运维人员能够在仪表盘中获得所有 Agent 的统一视图。
运行时的五项核心机制
当操作员或仪表盘与 Antigravity Agent 交互时，运行时通过以下机制协调执行：
- 会话初始化与状态绑定：运行时初始化或重新连接到会话，将执行绑定到根目录
save_dir。多轮轨迹日志、工具回执和产物保存在traj-前缀下，确保持久可审计性。 - 技能解析：领域特定能力和指令直接从指向
SKILL.md文件包的文件系统路径解析，动态增强 Agent 的系统提示词，无需外部注册表。 - 并发流生成：运行时在单一模型响应上暴露三个并发异步迭代器——
response输出可见文本 token，response.thoughts输出内部思维链推理增量，response.tool_calls输出包含.name和.args的类型化工具调用事件。 - 声明式沙箱与内置工具执行：Agent 执行工作区操作时，内置工具（如
list_directory、find_file、search_directory、view_file、create_file、edit_file）严格在受安全策略（如policy.workspace_only()）管控的授权目录内运行。 - 生命周期钩子遥测拦截：通过装饰的异步钩子函数（如
@hooks.on_session_start、@hooks.pre_tool_call_decide、@hooks.post_tool_call、@hooks.on_session_end）实时拦截 Agent 状态转换，验证或修改工具调用，并通过 WebSocket 向实时仪表盘广播遥测载荷。
四大核心构建模块
Antigravity SDK 将上述职责组织为四个核心模块：
- Skills 模块化能力：提供可复用的领域特定指令包和参考资产，Agent 可直接从包含
SKILL.md的文件系统目录动态加载，无需维护内存注册表。 - 沙箱化内置工具与工作区作用域：开箱即用的生产和文件工具消除了编写自定义文件系统封装的需求，结合声明式安全策略将工具限制在授权目录内。
- 会话隔离与轨迹持久化：通过声明式配置而非外部数据库管理状态，指定
save_dir即可建立根目录保存完整回合轨迹、工具回执和产物。 - 实时遥测与生命周期钩子拦截：允许仪表盘和监控引擎观察并引导执行的每个阶段，通过 WebSocket 流式传输状态更新、检查工具参数，并在工具运行前强制执行人工审批。